WikiSkill：将智能体经验编译为持久知识以实现技能自我演进

2026年8月，研究团队提出 WikiSkill 框架，通过将执行经验持续编译为持久化知识库，解决了智能体技能演进中历史认知分散且难以系统复用的问题。

• WikiSkill 在架构上将原始执行经验、累积知识库（Wiki）与可执行技能三者解耦，把交互试错经验持续归纳至 Wiki 中，作为后续技能更新的迭代基础。
• 多基准测试显示，配备演进技能的小模型在特定任务上的表现可超过未配置技能的更大规模模型，且更大模型也能从技能演进中获得更高的性能增益。
• 演进技能具备跨模型与跨架构迁移特性，由外部强模型沉淀的高阶技能在部分场景下优于小模型自身生成的演进技能。
• 消融实验证实，Wiki 知识库的持续积累与提炼是支撑技能稳定演进的关键组件。
• 影响/看点：该框架为降低复杂任务执行中的重复试错成本提供了有效工具，其实际演进上限取决于知识库在多轮交互中的去噪能力与冲突消解效率。
• 资料依据：arXiv 论文（https://arxiv.org/abs/2608.27454）、HuggingFace Daily Papers（https://arxiv.org/abs/2608.27454）。

本内容由 AI 生成，仅供参考，请注意甄别